基于PROSAIL模型的廣州市過渡帶森林植被冠層可燃物含水率估算

聞宏睿，國(guó)巧真，魏書精，曾宇懷，吳澤鵬，孫震輝

（1.天津城建大學(xué) 地質(zhì)與測(cè)繪學(xué)院，天津 300384；2.廣東省森林培育與保護(hù)利用重點(diǎn)實(shí)驗(yàn)室，廣東省林業(yè)科學(xué)研究院，廣州 510520；3.廣東省科學(xué)院廣州地理研究所，廣東省遙感與地理信息系統(tǒng)重點(diǎn)實(shí)驗(yàn)室，廣州 510070）

植被冠層可燃物含水率（Fuel Moisture Content, FMC）為葉片等水分厚度（Equivalent Water Thickness, EWT）與干物質(zhì)重量（Dry Matter Content, DMC）的比值，是評(píng)估野火風(fēng)險(xiǎn)的重要指標(biāo)，與植被可燃物著火的概率及火災(zāi)發(fā)生后的傳播速率直接相關(guān)，因此對(duì)FMC 進(jìn)行動(dòng)態(tài)時(shí)空監(jiān)測(cè)尤為重要（Bilgili et al., 2019; Chuvieco et al., 2020）。傳統(tǒng)技術(shù)通過探針法或重量法測(cè)定FMC，雖然精度較高，但需耗費(fèi)大量人力物力進(jìn)行采樣，工作量大且效率較低，不能滿足大范圍的FMC動(dòng)態(tài)監(jiān)測(cè)需求。而遙感技術(shù)具有監(jiān)測(cè)范圍廣袤、獲取信息迅速、受地面影響小的特點(diǎn)，在動(dòng)態(tài)監(jiān)測(cè)FMC 方面具有較大潛力（Cao et al., 2017）。

光學(xué)遙感影像以高空間分辨率、高光譜分辨率成像的特點(diǎn)，成為目前植被冠層FMC 反演最常用的數(shù)據(jù)來源。目前根據(jù)光學(xué)遙感估算FMC 的方法有兩類，即傳統(tǒng)的經(jīng)驗(yàn)統(tǒng)計(jì)方法與基于物理模型的方法。傳統(tǒng)的經(jīng)驗(yàn)統(tǒng)計(jì)方法利用紅光波段、近紅外波段和短波紅外波段的反射率構(gòu)建植被水分指數(shù)，建立植被水分指數(shù)與植被FMC 之間的經(jīng)驗(yàn)關(guān)系，可以實(shí)現(xiàn)對(duì)大范圍植被冠層FMC 的估算，但估算效果精度相對(duì)較低且通用性較差。物理模型也可以實(shí)現(xiàn)FMC 的反演，相較于傳統(tǒng)的經(jīng)驗(yàn)?zāi)Ｐ停锢砟Ｐ途哂忻鞔_的物理意義且反演精度較高，不局限于特定區(qū)域或站點(diǎn)。常見的物理模型有水云模型（Han et al., 2020）、GeoSail模型（Yebra et al., 2018；全興文 等，2019）、PROSAIL模型（Li et al., 2018）等。其中，水云模型常用于低矮植被的含水量、生物量、土壤水分等參數(shù)的反演，其假定各植被層為各項(xiàng)均值散射體，只考慮作物冠層和衰減后的覆蓋地表的影響，使水云模型在地表植被覆蓋度高的地方精度較高，但該模型忽略植被層與地表之間的相互多次散射，在植被覆蓋度低或復(fù)雜區(qū)域則應(yīng)用受限（蔡慶空 等，2018）。GeoSAIL 模型是幾何模型和混合介質(zhì)模型的結(jié)合，物理意義明確，在森林植被參數(shù)反演領(lǐng)域被廣泛應(yīng)用，但僅限于幾何結(jié)構(gòu)明顯的森林植被，無法用于均質(zhì)植被（楊維 等，2018）。PROSAIL 模型在植被冠層含水率的應(yīng)用最為廣泛，其描述了各土壤生化參數(shù)對(duì)植被冠層反射率的影響以及兩者之間明確的物理關(guān)系，具有較好的通用性（艾璐 等，2021）。相較于經(jīng)驗(yàn)統(tǒng)計(jì)方法，PROSAIL模型具有明確的物理意義，通用性較強(qiáng)，能適用不同的區(qū)域。相較于其他物理模型，PROSAIL模型同時(shí)考慮了土壤的光學(xué)特性和植被的幾何結(jié)構(gòu)特征，能較好地模擬植被冠層反射率。全興文等（2019）利用基于生態(tài)規(guī)則的多耦合物理模型（PROSAIL、PROGeoSAIL）并根據(jù)光譜反射率匹配來查找最接近的模擬光譜反射率及對(duì)應(yīng)組合，從而反演得到FMC，有效解決了DMC 弱敏感性問題及模型未知參數(shù)個(gè)數(shù)大于觀測(cè)光譜反射率個(gè)數(shù)引起的病態(tài)反演問題。Quan等（2021a）基于MODIS數(shù)據(jù)和輻射傳輸模型反演技術(shù)生成全球范圍內(nèi)500 m分辨率的日FMC 產(chǎn)品，也是目前唯一公開的FMC全球產(chǎn)品。輻射傳輸模型反演模式計(jì)算非常復(fù)雜，查找表、人工神經(jīng)網(wǎng)絡(luò)、基因遺傳算法、偏最小二乘法等算法被相繼引入以提高計(jì)算機(jī)的運(yùn)算能力，但當(dāng)模擬數(shù)據(jù)量較大時(shí)，這些方法的計(jì)算效率仍不能滿足實(shí)際需求（Yebra et al., 2013; Wang et al.,2019; Quan et al., 2021b）。且在大量的模擬數(shù)據(jù)中可能存在不同的參數(shù)組合常出現(xiàn)相似的光譜反射率，導(dǎo)致病態(tài)反演，這通常需要引入先驗(yàn)知識(shí)，通過限定自由參數(shù)范圍，從而達(dá)到緩解病態(tài)反演的目的（Li et al., 2011; Quan et al., 2017; Konings et al.,2019）。

綜上可知，PROSAIL 模型能較好地模擬植被冠層反射率，且將野外實(shí)測(cè)數(shù)據(jù)輸入模型能較大程度地保證符合生態(tài)規(guī)則，若能根據(jù)反射率光譜通過經(jīng)驗(yàn)統(tǒng)計(jì)方法估算EWT、DMC，則可以兼顧物理模型的通用性與經(jīng)驗(yàn)統(tǒng)計(jì)方法的簡(jiǎn)單高效，構(gòu)建出一種運(yùn)算速度快、通用性較好的植被冠層可燃物含水率估算方法。鑒于此，本文面向植被冠層，基于野外實(shí)測(cè)葉片等水分厚度、干物質(zhì)重量、葉面積指數(shù)數(shù)據(jù)和PROSAIL 模型得到模擬光譜曲線圖，分別構(gòu)建NDII與EWT、NDMI與DMC的經(jīng)驗(yàn)回歸模型，并基于Landsat 8 數(shù)據(jù)計(jì)算NDII 和NDMI，結(jié)合構(gòu)建的經(jīng)驗(yàn)回歸模型得到EWT 和DMC 的估算值，進(jìn)而得到FMC 的估算值。旨在為廣州市過渡帶森林植被FMC 反演提供參考，為森林防火工作提供支撐。

1 研究區(qū)概況與數(shù)據(jù)預(yù)處理

1.1 研究區(qū)概況

從化區(qū)位于廣州市東北部（圖1），總面積為1 974.5 km2，地處低緯度地帶，地勢(shì)由東北向西南方向逐步降低，東北部以山地和丘陵為主，中部和南部以丘陵和山谷為主，西部地勢(shì)較為平坦，以丘陵和臺(tái)地為主，其所在的粵港澳大灣區(qū)是世界第二大灣區(qū)，僅次于東京灣區(qū)，是全球?qū)Φ赜^測(cè)衛(wèi)星的重要觀測(cè)區(qū)域之一，影像數(shù)據(jù)豐富。廣州市從化區(qū)屬亞熱帶季風(fēng)氣候，氣候溫和、日照充足、雨量充沛，年均降雨量達(dá)到1 800～2 200 mm，且擁有豐富的森林植被資源，是廣州市森林面積最大的區(qū)，也是近年來野火發(fā)生頻率較高的地區(qū)之一，分布著眾多熱帶季雨林、亞熱帶常綠闊葉林的植被類型，屬于兩者之間的過渡植被帶，在生態(tài)系統(tǒng)中起過渡連接作用，因而具有重要研究意義。

1.2 野外數(shù)據(jù)采集

2021-05-25-29、06-05-06、06-12-13，對(duì)研究區(qū)的森林植被冠層參數(shù)進(jìn)行采樣，根據(jù)森林中不同樹木類型的分布數(shù)量，將野外采集樣本分為桉樹、荷木、荔枝、馬尾松、杉木、闊葉樹、草地7種類型，采樣點(diǎn)分布見圖1 所示。采樣分別選取7種類型植被空間分布較均勻的區(qū)域隨機(jī)布點(diǎn)，使采樣點(diǎn)均勻分布在研究區(qū)內(nèi)，每個(gè)采樣點(diǎn)選取30 m×30 m的樣方，每個(gè)樣方5次采樣，采集樣方內(nèi)優(yōu)勢(shì)樹種的冠層活葉以及樹下的落葉，采樣點(diǎn)均勻分布在樣方中，每個(gè)采樣點(diǎn)隨機(jī)選3個(gè)0.5 m×0.5 m的子樣點(diǎn)，采用手持式GPS設(shè)備記錄樣點(diǎn)的經(jīng)緯度，同時(shí)采集植被樣本，裝入密封塑料袋帶入室內(nèi)，在105℃下烘干24 h 后進(jìn)行測(cè)重。葉面積指數(shù)LAI 采用植被冠層分析儀LAI-2000 進(jìn)行10 次不同子樣點(diǎn)非重復(fù)性測(cè)量。

圖1 廣州市從化區(qū)地理位置及采樣點(diǎn)分布Fig.1 Geographical location and distribution of samples of Conghua District of Guangzhou City

1.3 遙感數(shù)據(jù)預(yù)處理

采用Landsat 8 OLI/TIRS 遙感數(shù)據(jù)，軌道號(hào)122/044，成像時(shí)間為2021-02-20、05-27、07-14 的3幅影像。由于廣州市從化區(qū)5-6月降水充沛、云量豐富，對(duì)光學(xué)遙感影像成像質(zhì)量的影響較大，為保證遙感數(shù)據(jù)與野外實(shí)測(cè)數(shù)據(jù)盡可能相對(duì)應(yīng)以及采樣點(diǎn)無云遮蓋，選取2021-05-27 作為主數(shù)據(jù)源，2021-02-20 與07-14 的影像作為數(shù)據(jù)補(bǔ)充。Landsat 8 OLI的1～7波段分辨率為30 m，TIRS的分辨率為100 m。為盡可能消除傳感器及大氣對(duì)數(shù)據(jù)的影響，對(duì)獲取的Landsat 8 OLI/TIRS 遙感影像數(shù)據(jù)進(jìn)行輻射定標(biāo)和大氣校正等預(yù)處理。

2 森林冠層可燃物含水率反演方法構(gòu)建

首先，基于實(shí)測(cè)數(shù)據(jù)和相關(guān)參考文獻(xiàn)確定PROSAIL模型輸入?yún)?shù)的基礎(chǔ)值，進(jìn)行參數(shù)敏感性分析確定目標(biāo)參數(shù)對(duì)PROSAIL 模型輸出光譜的影響范圍和強(qiáng)度；其次，基于實(shí)測(cè)數(shù)據(jù)生成植被冠層可燃物反射率模擬數(shù)據(jù)，并計(jì)算各指數(shù)；最后，構(gòu)建LAI、EWT、DMC 與各指數(shù)的函數(shù)關(guān)系，從而得到植被冠層FMC的估算模型。

2.1 PROSAIL模型

PROSAIL 模型是由PROSPECT 葉片光譜模型和SAIL 模型耦合得到，輸入?yún)?shù)包括：太陽天頂角、觀測(cè)天頂角、相對(duì)方位角、葉面積指數(shù)（Leaf Area Index, LAI）、熱點(diǎn)效應(yīng)因子（hspot）、土壤因子、葉傾角分布、葉片結(jié)構(gòu)參數(shù)、葉綠素含量、葉片等水分厚度、干物質(zhì)質(zhì)量、棕色素組分、類胡蘿卜素含量（江海英 等，2021）。對(duì)PROSAIL模型輸入?yún)?shù)的參數(shù)化結(jié)果如表1所示。

表1 PROSAIL模型參數(shù)化及敏感性分析基礎(chǔ)值Table 1 Parameterization of PROSAIL model and basic values of sensitivity analysis

2.2 參數(shù)敏感性分析

假設(shè)PROSAIL模型的各個(gè)參數(shù)之間互相獨(dú)立，固定其他參數(shù)值并限定在一定范圍內(nèi)，分析PROSAIL 模型各參數(shù)的敏感性，即各參數(shù)值的變化對(duì)PROSAIL 模型輸出結(jié)果的影響（Nossent et al.,2011；鄧孺孺 等，2012；He et al., 2017），據(jù)此可以得到各參數(shù)在哪些波段范圍內(nèi)影響輸出反射率的結(jié)果。參數(shù)敏感性基礎(chǔ)值見表1所示。

基于不同輸入?yún)?shù)值下的PROSAIL 模型模擬的光譜曲線如圖2所示。圖2-a顯示LAI對(duì)反射率的影響主要集中在700～1 100 nm范圍，反射率隨LAI的增大而增大；在400～700 nm范圍內(nèi)LAI對(duì)反射率基本沒有影響；在1 450～2 500 nm 范圍內(nèi)，LAI對(duì)反射率影響效果較弱，反射率隨LAI 的增大而減小。特別的，在700～1 100 nm、1 450 nm 附近、1 650 nm 附近，LAI對(duì)冠層反射率的影響最為顯著。圖2-b顯示EWT在800～2 500 nm波段范圍對(duì)反射率有影響，反射率隨著EWT 的增大而減小，EWT 在5 個(gè)水分吸收谷（970、1 250、1 450、1 650 和2 130 nm）影響作用最為顯著，其中對(duì)1 650 nm 附近的反射率影響作用最大。圖3-c顯示葉片干物質(zhì)含量DMC在近紅外波段和短波紅外波段對(duì)反射率都有影響，反射率隨DMC的增大而減小，其中在750～1 300 nm波段范圍的影響作用最為明顯，在1 650、1 720和2 270 nm波段對(duì)DMC反應(yīng)相對(duì)敏感。

圖2 不同參數(shù)值下的模擬光譜曲線Fig.2 Simulated spectral curve under different parameter values

2.3 FMC估算模型

考慮到植被光譜在860和1 650 nm對(duì)EWT反應(yīng)敏感，故選擇歸一化紅外指數(shù)（Normalized Difference Infrared Index, NDII）分 析NDII 與EWT 之 間的關(guān)系。植被光譜在1 650、1 720 和2 270 nm波段對(duì)DMC 反應(yīng)敏感，但由于Landsat 8 影像并沒有1 720 nm 波段，故選擇1 650 和2 270 nm 波段，計(jì)算歸一化干物質(zhì)指數(shù)（Normalized Dry Matter Index，NDMI）分析NDMI 和DMC 之間的關(guān)系。NDII 和NDMI表達(dá)式分別為：

式中：ρ860表示波長(zhǎng)為860 nm 時(shí)的反射率；ρ1650表示波長(zhǎng)為1 650 nm 時(shí)的反射率，ρ2270表示波長(zhǎng)為2 270 nm時(shí)的反射率。

通過分析基于PROSAIL 模擬數(shù)據(jù)的NDII 和NDMI指數(shù)，與實(shí)測(cè)輸入的EWT 和DMC 的關(guān)系后發(fā)現(xiàn)，NDII與EWT、NDMI與DMC 決定系數(shù)分別達(dá)到0.886 和0.859 （圖3），說明NDII 與EWT、NDMI 與DMC 具有良好的線性關(guān)系，使用NDII 估算EWT、NDMI估算DMC具有可行性。從圖3-a可以看出，當(dāng)EWT的值在0～0.07 g/cm2時(shí)，與NDII的相關(guān)性更好、誤差更小，而當(dāng)EWT 的值＞0.07 g/cm2，相關(guān)性開始減弱，誤差開始增大。從圖3-b可以看出，當(dāng)DMC 的值在0～0.04 g/cm2時(shí)，與NDMI的相關(guān)性更好、誤差更小，而當(dāng)DMC的值＞0.04 g/cm2時(shí)，相關(guān)性開始減弱，誤差開始增大。

圖3 基于PROSAIL模型的歸一化指數(shù)與對(duì)應(yīng)參數(shù)的關(guān)系Fig.3 Relationship between normalized index based on PROSAIL model and corresponding parameter

根據(jù)NDII 與EWT、NDMI 與DMC 的線性關(guān)系，可以得到估算的EWT與DMC，進(jìn)而得到估算的FMC，如圖4 所示。植被冠層FMC 的值多數(shù)分布在100%～250%，此區(qū)間FMC 估算效果較好，而當(dāng)FMC的值＜100%或＞250%時(shí)，估算效果相對(duì)較差。FMC 估算值與實(shí)測(cè)值相比，決定系數(shù)達(dá)到0.819，RMSE 為22.6%，說明基于PROSAIL 模型的FMC估算值具有較高精度。

圖4 基于PROSAIL模型的FMC的估算值與實(shí)測(cè)值的關(guān)系Fig.4 Relationship between estimation FMC based on PROSAIL model and measured FMC

3 結(jié)果與分析

基于實(shí)測(cè)的LAI、EWT、DMC 數(shù)據(jù)和PROSAIL模型，獲取采樣點(diǎn)的模擬光譜數(shù)據(jù)，通過模擬光譜數(shù)據(jù)計(jì)算NDII、NDMI，與實(shí)測(cè)EWT、DMC的值進(jìn)行分析，得到經(jīng)驗(yàn)?zāi)Ｐ停瑢⒔?jīng)驗(yàn)?zāi)Ｐ屯茝V到Landsat 8獲取的NDIILandsat8和NDMILandsat8，以此大面積監(jiān)測(cè)評(píng)估野火風(fēng)險(xiǎn)的重要因子FMC。

首先，通過Landsat 8 數(shù)據(jù)計(jì)算NDIILandsat8和NDMILandsat8，將其與基于實(shí)測(cè)數(shù)據(jù)和PROSAIL模型得到的NDII 與NDMI 進(jìn)行對(duì)比分析，如圖5-a 和b所示，可以看出，對(duì)于NDII，基于Landsat 8 的觀測(cè)值與基于PROSAIL 模型模擬結(jié)果R2達(dá)到0.709，RMSE達(dá)到0.091，對(duì)于NDMI，基于Landsat 8的觀測(cè)值與基于PROSAIL 模型模擬結(jié)果R2達(dá)到0.628，RMSE 達(dá)到0.027，說明使用Landsat 8 擬合植被冠層EWT、DMC是可行的。

其次，將基于PROSAIL 模型得到的經(jīng)驗(yàn)?zāi)Ｐ屯茝V到Landsat 8 數(shù)據(jù)，得到EWT、DMC 的估算值，結(jié)合EWT、DMC 的實(shí)測(cè)值做精度驗(yàn)證，如圖5-c 和d 所示，估算EWT 與實(shí)測(cè)EWT 的R2達(dá)到0.652，RMSE 達(dá)到0.011 g/cm2，估算DMC 與實(shí)測(cè)DMC 的R2達(dá)到0.611，RMSE 達(dá)到0.014 g/cm2，說明使用Landsat 8擬合植被冠層EWT、DMC具有較好的精度。

圖5 基于Landsat 8的估算值的驗(yàn)證Fig.5 Validation of estimated value based on Landsat 8

最后，基于EWT、DMC 的估算值即可計(jì)算FMC估算值，結(jié)合FMC實(shí)測(cè)值做精度驗(yàn)證（圖6），R2達(dá)到0.743，RMSE達(dá)到34.2%，估算結(jié)果與實(shí)測(cè)結(jié)果較為一致。對(duì)比圖4與6可以發(fā)現(xiàn)，基于Landsat 8的FMC估算值相比基于PROSAIL模型的FMC估算值向左發(fā)生明顯偏移，即基于Landsat 8 的FMC估算值明顯低于基于PROSAIL模型的FMC估算值。一方面，由于廣州市過渡帶森林植被中包含多種植被類型，但野外數(shù)據(jù)采集受自然因素影響較嚴(yán)重，受限于樣本數(shù)量，本文沒有按植被類型進(jìn)行分類討論，而是作為一類來分析，但不同植被類型的含水率波動(dòng)范圍不同，受外界因素影響程度也不同，故導(dǎo)致估算值偏小。另一方面，模擬波段和Landsat 8波段之間存在差異，植被光譜在1 650、1 720、2 270 nm 波段對(duì)DMC 反應(yīng)敏感，其中2 270 nm 波段的敏感程度相對(duì)較低，而1 650和1 720 nm波段附近的敏感程度相對(duì)較高（圖2），但由于Landsat 8 影像沒有1 650 和1 720 nm 波段，故選擇2 270 nm 波段參與NDMI 的計(jì)算，使得估算DMC的值偏大，從而導(dǎo)致估算FMC 的值偏小，發(fā)生明顯左移，同時(shí)，1 650 nm 和2 270 nm 并不處于Landsat 8 兩個(gè)波段的中心波長(zhǎng)，也是導(dǎo)致估算DMC、估算FMC 發(fā)生偏移的原因之一。另外，與野外數(shù)據(jù)采樣時(shí)間同步的Landsat 8影像受云的影響較大，而植被冠層可燃物含水率受外界因素影響嚴(yán)重、動(dòng)態(tài)變化大，所以影像也是導(dǎo)致FMC 估算值偏小的因素之一。

圖6 基于Landsat 8的FMC的估算值與實(shí)測(cè)值的關(guān)系Fig.6 Relationship between estimation FMC based on Landsat 8 and measured FMC

從化區(qū)擁有豐富的森林植被資源，屬于熱帶季雨林、亞熱帶常綠闊葉林之間的過渡植被帶，分布著眾多森林植被類型，野外數(shù)據(jù)采集過程中將樣本分為桉樹、荷木、荔枝、馬尾松、杉木、闊葉樹、草地7種類型，涵蓋廣州市過渡帶森林植被的主要類型，且野外數(shù)據(jù)采樣點(diǎn)覆蓋從化區(qū)的大部分區(qū)域，能有效代表整體情況。由于植被冠層可燃物含水率動(dòng)態(tài)變化大、受外界因素影響嚴(yán)重，目前已有反演被冠層可燃物含水率研究中，全興文等（2019）基于遙感數(shù)據(jù)和輻射傳輸模型對(duì)草原、森林冠層FMC 進(jìn)行定量反演，得出總體植被冠層可燃物含水率的RMSE 為44.86%。Quan 等（2021a）基于MODIS 數(shù)據(jù)和輻射傳輸模型反演技術(shù)生成的全球500 m分辨率日FMC產(chǎn)品，過濾低質(zhì)量實(shí)測(cè)結(jié)果后，RMSE 達(dá)到34.57%。Cao 等（2017）基于導(dǎo)數(shù)光譜的歸一化指數(shù)反演可燃物含水率的RMSE為32%。本文提出的FMC估算模型經(jīng)實(shí)測(cè)數(shù)據(jù)驗(yàn)證R2達(dá)到0.743，RMSE達(dá)到34.2%，說明使用Landsat 8擬合植被冠層FMC 具有較好的精度，本模型可為通過廣州市過渡帶森林植被冠層可燃物含水率監(jiān)測(cè)提供新參考。

4 討論

基于PROSAIL 模型的植被冠層FMC 反演需同時(shí)獲取EWT、DMC兩個(gè)參數(shù)，但DMC的光譜信息被EWT的光譜信息覆蓋，從而導(dǎo)致DMC表現(xiàn)出弱敏感性，較難反演。反演過程中的模式計(jì)算非常復(fù)雜，運(yùn)算時(shí)間較長(zhǎng)，各自由參數(shù)組合的過程中，易出現(xiàn)不符合實(shí)際情況的錯(cuò)誤，若能引入先驗(yàn)知識(shí)，則可有效避免此類錯(cuò)誤發(fā)生（全興文 等，2019；Wang et al., 2013）。江海英等（2021）基于PROSAIL 模型，將模型參數(shù)設(shè)置為高斯分布，生成1 000 條植被反射率數(shù)據(jù)進(jìn)行低矮植被含水量估算研究，雖然高斯分布相較于均勻分布更符合生態(tài)標(biāo)準(zhǔn)，但無法避免錯(cuò)誤組合。而本文使用PROSAIL模型輸出模擬光譜圖，輸入?yún)?shù)均為實(shí)地采集的葉片等水分厚度、干物質(zhì)重量、葉面積指數(shù)野外數(shù)據(jù)，相比于通過概率模型模擬獲得數(shù)據(jù)的可靠性更高，能有效避免病態(tài)反演問題，不容易出現(xiàn)錯(cuò)誤組合的情況，從而提高模擬光譜數(shù)據(jù)的準(zhǔn)確度。并且基于野外實(shí)測(cè)數(shù)據(jù)和PROSAIL 模型輸出的模擬光譜曲線更貼近真實(shí)反射率，為后續(xù)計(jì)算歸一化紅外指數(shù)、歸一化干物質(zhì)指數(shù)，構(gòu)建植被冠層可燃物含水率的估算模型奠定良好的數(shù)據(jù)基礎(chǔ)。

本文僅設(shè)置葉片等水分厚度、干物質(zhì)重量、葉面積指數(shù)3個(gè)變量，其余參數(shù)均設(shè)為定量，一方面是由于模型參數(shù)信息難以完全通過實(shí)地測(cè)量獲得，另一方面是為了減小模型運(yùn)算量，但實(shí)際上在不同的季節(jié)和植被不同的物候期，各參數(shù)取值與各參數(shù)間相關(guān)性存在差異，未來需進(jìn)一步探討模型各參數(shù)間的相關(guān)性與各參數(shù)取值對(duì)于模擬結(jié)果的影響方式及程度。

本文使用的Landsat 8數(shù)據(jù)為光學(xué)遙感影像，易受云雨天氣影響而無法有效成像，同時(shí)，其時(shí)間分辨率為16 d，無法獲得時(shí)空連續(xù)的對(duì)地觀測(cè)影像，也無法對(duì)植被冠層FMC 進(jìn)行近實(shí)時(shí)監(jiān)測(cè)，未來需進(jìn)一步探索多源遙感數(shù)據(jù)在FMC 監(jiān)測(cè)中的應(yīng)用，以提供近實(shí)時(shí)的FMC 監(jiān)測(cè)產(chǎn)品，為森林火災(zāi)預(yù)警提供科學(xué)參考。

5 結(jié)論

本文面向植被冠層，基于PROSAIL 模型，結(jié)合野外實(shí)測(cè)數(shù)據(jù)提出了一種運(yùn)算速度快、通用性較好的植被冠層可燃物含水率估算方法。經(jīng)驗(yàn)證，估算結(jié)果與實(shí)測(cè)結(jié)果較為一致，可實(shí)現(xiàn)大面積、較高精度廣州市過渡帶森林植被冠層可燃物含水率監(jiān)測(cè)，為預(yù)防森林火災(zāi)提供參考。基于Landsat 8數(shù)據(jù)估算的植被冠層可燃物含水率相比于基于PROSAIL模型估算植被冠層可燃物含水率明顯向左偏移，主要是野外實(shí)測(cè)數(shù)據(jù)樣本點(diǎn)不足無法按植被類型分類進(jìn)行分析，導(dǎo)致模擬光譜曲線出現(xiàn)偏差，敏感波段1 650 和2 270 nm 并不處于Landsat 8 兩個(gè)波段的中心波長(zhǎng)，因此導(dǎo)致估算FMC發(fā)生偏移。